Accueil StudyCanadaUniversités au CanadaCarleton UniversityScience des données, analytique et intelligence artificielle
Spécialisations et variantes
M.A.Sc. Data Science, Analytics, and Artificial Intelligence (5.0 crédits)
M.C.S. Data Science, Analytics, and Artificial Intelligence (5.0 crédits)
M.Eng. Data Science, Analytics and Artificial Intelligence (4.5 crédits)
M.I.T. Data Science, Analytics, and Artificial Intelligence (5.0 crédits)
M.Sc. Data Science, Analytics and Artificial Intelligence (5.0 crédits)
Ph.D. Data Science, Analytics and Artificial Intelligence (1.5 crédits)
Parcours et conditions du programme
Ces tableaux reprennent les exigences de la source pour la période indiquée. L’interprétation officielle relève de l’université.
Parcours 1
| M.A.Sc. Science des données, analytique et intelligence artificielle — voie de thèse (5.0 crédits) | ||
| 1. 1,0 crédit en : | 1.0 | |
| DATA 5000 [0.5] | Introduction à la science des données | |
| DATA 5001 [0.5] | Notions fondamentales en science des données et analytique | |
| 2. 0.5 crédit en électifs SYSC approuvés (voir le site du programme DSAAI pour la liste des électifs applicables) | 0.5 | |
| 3. 0.5 crédit en électifs approuvés ne faisant pas partie de SYSC (voir le site du programme DSAAI pour la liste des électifs applicables) | 0.5 | |
| 4. 0.5 crédit en électif provenant de toute unité participante au DSAAI | 0.5 | |
| Remarque : 0.5 crédit des électifs ci‑dessus doit porter sur des applications de l'intelligence artificielle ou de l'apprentissage automatique (voir le site du programme DSAAI pour la liste des électifs applicables) | ||
| 5. 2.5 credits in: | 2.5 | |
| DATA 5929 [2.5] | Thèse - MASc | |
| Total des crédits | 5.0 |
Parcours 2
| Exigences - voie thèse (5.0 crédits) | ||
| 1. 1,0 crédit en : | 1.0 | |
| DATA 5000 [0.5] | Introduction à la science des données | |
| DATA 5001 [0.5] | Notions fondamentales en science des données et analytique | |
| 2. 0.5 crédit en électifs COMP approuvés (voir le site du programme DSAAI pour la liste des électifs applicables) | 0.5 | |
| 3. 0.5 crédit en électifs approuvés ne faisant pas partie de COMP (voir le site du programme DSAAI pour la liste des électifs applicables) | 0.5 | |
| 4. 0.5 crédit en électif provenant de toute unité participante au DSAAI | 0.5 | |
| 5. 0.5 crédit des électifs ci‑dessus doit porter sur des applications de l'intelligence artificielle ou de l'apprentissage automatique (Voir le site du programme DSAAI pour la liste) | ||
| 6. 2.5 crédits en : | 2.5 | |
| DATA 5939 [2.5] | Thèse - MCS | |
| Total des crédits | 5.0 |
Parcours 3
| M.Eng. Data Science, Analytics, and Artificial Intelligence - parcours sur cours (4.5 credits) | ||
| 1. 1,0 crédit en : | 1.0 | |
| DATA 5000 [0.5] | Introduction à la science des données | |
| DATA 5001 [0.5] | Notions fondamentales en science des données et analytique | |
| 2. 1.0 crédit en électifs SYSC approuvés (voir le site du programme DSAAI pour la liste des électifs applicables) | 1.0 | |
| 3. 0.5 crédit dans tout cours SYSC de niveau supérieur | 0.5 | |
| 4. 1.0 crédit en électifs approuvés provenant de deux unités ne faisant pas partie de SYSC (voir le site du programme DSAAI pour la liste des électifs applicables) | 1.0 | |
| 5. 1.0 crédit en électifs provenant de toute unité participante au DSAAI | 1.0 | |
| Remarque : 0.5 crédit des électifs ci‑dessus doit porter sur des applications de l'intelligence artificielle ou de l'apprentissage automatique (voir le site du programme DSAAI pour la liste des électifs applicables) | ||
| Total des crédits | 4.5 |
Parcours 4
| M.I.T. Science des données, analytique et intelligence artificielle — voie de thèse (5.0 crédits) | ||
| 1. 1,0 crédit en : | 1.0 | |
| DATA 5000 [0.5] | Introduction à la science des données | |
| DATA 5001 [0.5] | Notions fondamentales en science des données et analytique | |
| 2. 0.5 crédit en électifs ITEC approuvés (voir le site du programme DSAAI pour la liste des électifs applicables) | 0.5 | |
| 3. 0.5 crédit en électifs approuvés ne faisant pas partie d'ITEC (voir le site du programme DSAAI pour la liste des électifs applicables) | 0.5 | |
| 4. 0.5 crédit en électif provenant de toute unité participante au DSAAI | 0.5 | |
| Remarque : 0.5 crédit des électifs ci‑dessus doit porter sur des applications de l'intelligence artificielle ou de l'apprentissage automatique (voir le site du programme DSAAI pour la liste des électifs applicables) | ||
| 5. 2.5 credits in: | 2.5 | |
| DATA 5919 [2.5] | Thèse - MIT | |
| Total des crédits | 5.0 |
Parcours 5
| M.Sc. Data Science, Analytics and Artificial Intelligence – cheminement par thèse (5.0 crédits) | ||
| 1. 1,0 crédit en : | 1.0 | |
| DATA 5000 [0.5] | Introduction à la science des données | |
| DATA 5001 [0.5] | Notions fondamentales en science des données et analytique | |
| 2. 0.5 crédit dans un cours optionnel approuvé en MATH ou STAT (voir le site du programme DSAAI pour la liste des options applicables) | 0.5 | |
| 3. 0.5 crédit dans des cours optionnels approuvés non en MATH ou STAT (voir le site du programme DSAAI pour la liste des options applicables) | 0.5 | |
| 4. 0.5 crédit en électif provenant de toute unité participante au DSAAI | 0.5 | |
| Remarque : 0.5 crédit des électifs ci‑dessus doit porter sur des applications de l'intelligence artificielle ou de l'apprentissage automatique (voir le site du programme DSAAI pour la liste des électifs applicables) | ||
| 5. 2.5 credits in: | 2.5 | |
| DATA 5909 [2.5] | Thèse – MSc | |
| Total des crédits | 5.0 |
Parcours 6
| Exigences (1.5 crédits) : | ||
| 1. 0,5 crédit en : | 0.5 | |
| DATA 5001 [0.5] | Notions fondamentales en science des données et analytique | |
| 2. 1.0 crédit dans un cours optionnel, approuvé par le superviseur (voir le site du programme DSAAI pour la liste des options applicables) | 1.0 | |
| 3. 0.0 crédit en : | ||
| DATA 6907 [0.0] | Examen doctoral global | |
| 4. 0,0 crédit en : | ||
| DATA 6908 [0.0] | Proposition doctorale | |
| 5. 0,0 crédit en : | 0.0 | |
| DATA 6909 [0.0] | Thèse – PhD | |
| Total des crédits | 1.5 |
Cours
Ces cours ont été repérés dans la page source du programme. Leur présence ne signifie pas qu’ils sont tous obligatoires dans chaque parcours.
Sources et références
Année de référence : 2026-27
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://calendar.carleton.ca/grad/gradprograms/dsa/